機械学習・ディープラーニングのための基礎数学講座

機械学習・ディープラーニングのための基礎数学講座

前提知識不要レベルから機械学習の理解に必須の数学の基礎レベルまでまとめて学習

スキルアップAIの基礎数学講座は、高校数学レベルからはじめ、機械学習に関する書籍の基本的数式が理解できるレベルを目指します。全3日程の修了後には、機械学習の技術書を通読できる「数学基礎体力」が身についています。

得られる知識/スキル

  • 自力で機械学習の技術書を読み進められるだけの基礎的数式の理解
  • 機械学習モデルのチューニング方針を立て、理論的な説明力
  • E資格の数学分野で高得点を取得するために必要な数学の力

講座の特長

前提知識は不要で学べる!

基礎から始めるので、高校数学が不安な方でも、ご受講可能です。数学が機械学習・ディープラーニングのどこで・どのように使われているかに触れながら解説します。

E資格出題範囲対応!

日本ディープラーニング協会のE資格出題範囲の数学に対応しています。

トライアル版 機械学習・ディープラーニングのための基礎数学講座

オンライン講座「微分・線形代数」の初日分(DAY1)のオンライン動画が視聴できます。まずはトライアル版でスキルアップAIの講座の雰囲気やわかり易さを体験してみてください。

無料トライアル版に含まれる内容(約2時間30分相当)

・「微分・線形代数」【DAY1】微分基礎

講座概要

講座名 機械学習・ディープラーニングのための基礎数学講座
受講スタイル オンライン講座
お好きな時間、お好きな場所でeラーニング形式の講義を受講いただけます。
講座時間 動画講義15時間(演習時間除く)
料金 132,000円/1名(税込)
料金に標準で含まれるもの
  1. 動画講義
  2. 問題解説動画
  3. 講座資料

お見積り請求についてのお問い合わせはこちら
見積り請求

※本講座/他講座との併合お見積りについては上記よりお問い合わせください

カリキュラム

DAY1DAY2DAY3

確率統計

【記述統計学の基礎】

  • 基本統計量
    • 平均
    • 分散
    • 共分散など
  • データの要約・可視化
  • 修了演習
    • データの前処理技術(正規化と標準化)
    • 箱ひげ図を用いた外れ値検出

微分・線形代数

【微分基礎】

  • 合成関数
    • 合成関数の計算グラフ表現と順伝播計算
  • 積・商・合成関数の微分
  • 修了演習
    • シグモイド関数の計算グラフと逆伝播計算

確率統計

【確率】

  • 確率の基礎
  • 条件付き確率
  • ベイズの定理
    • 事前確率
    • 事後確率
    • ベイズ更新
  • 修了演習
    • ナイーブベイズによるスパムメール判定

微分・線形代数

【線形代数基礎】

  • 偏微分
  • 行列・ベクトル
  • 固有値・固有ベクトル
  • 修了演習
    • 固有値分解

確率統計

【確率分布】

  • 離散型確率分布
    • 離散一様分布
    • ベルヌーイ分布
    • 二項分布
    • ボアソン分布
  • 連続型確率分布
    • 連続一様分布
    • 正規分布
    • 指数分布
  • 修了演習
    • ロジスティック回帰

微分・線形代数

【微分・線形代数の機械学習/深層学習への応用】

  • ベクトルによる関数の微分
  • 勾配降下法
  • 修了演習
    • 最小二乗法
    • 誤差逆伝播法 & 勾配法による重み更新

 

※カリキュラムは変更となる場合があります。
※「微分・線形代数」のDAY1オンライン動画が視聴できる無料トライアルはこちら

カリキュラム詳細が知りたい方はこちら
お問い合わせ

法人研修のご相談はこちら
※法人研修をご検討の場合はカスタムも可能です

開催日程

オンライン講座

随時お申し込み可能です。受講方法については、お支払い確認後、3営業日以内にご案内いたします。
※動画視聴期限は、動画共有日から1年間となります。

4名以上での対面/ライブ配信講座をご希望の場合はこちら
お問い合わせ

講師紹介

  • 斉藤 翔汰

    スキルアップAI講師。横浜国立大学大学院 環境情報学府 情報メディア環境学専攻(現:情報環境専攻)修了。修士(情報学)。高専時代に画像認識に対して興味を持ったことがきっかけで、現在はDeep Learningや機械学習、進化計算などの人工知能分野におけるアルゴリズムの研究開発やコンサルティングに従事。日本ディープラーニング協会の2018年度・2019年度E資格合格者、2018年度G検定合格者。

  • 森田 大樹

    東京工業大学情報理工学院修了。大学院時代は数理モデリングの手法を用いた脳神経科学の研究に携わる。大手インターネット企業でマルチビッグデータシステムの開発・運用業務に従事した後、個人事業主として独立。現在SkillUpAI講師と並行し、MoneyForwardLab特別研究員として金融系データの解析業務を行う。2018年、ショウジョウバエ大規模ニューラルネットワークの数理モデリングの分野でIEEE Computational Intelligence Society Japan Chapter Young Research Award受賞。

ご案内

PCの動作環境

・MacOSX 10.9 以上
・Windows 8 以上(64bit必須)
・メモリ8GB以上

よくあるご質問

基礎数学講座は機械学習に役立ちますか?

機械学習を学ぶ上で、最重要と言っても過言ではありません。人工知能はコンピューター上(数式)で知能を表現するという試みである以上、数式の理解なくしては理解は難しいと考えています。

前提知識はどくれくらい必要ですか?

本講座は、関数とは?といった内容から扱います。四則演算、分数などが理解できれば、キャッチアップは可能です。

動画の視聴期限はいつまでですか?

動画共有日から1年間です。

領収書・請求書などの発行は可能ですか?

はい、可能ですので、お申し込み時の備考にその旨と宛名をご記入ください。但し、クレジットカード(Paypal)でお支払いの場合、PayPal発行の受領書が領収書となりますので、領収書の発行はできません。

数学講座のその他FAQ  講座共通のFAQ

受講者の声

  • 今日の達成目的が最初に明示されており、かつディープラーニング向けに使えるように噛み砕いて記載されているため、非常にわかりやすいです。
  • 数学は苦手だったのですが、取り掛かることができました。
  • 単に微分積分の説明だけでなく、機械学習に使用される用途を深く理解することができたと思います。
  • 市販のテキストより非常に分かりやすく、講師の方の説明も段取り良く、徐々に機械学習の理論が習得できました。
更新日:2021.07.29

関連する講座

Page Top
お申し込みはこちら